以下是小编整理的电子商务关键数字优化线上部分(上)，本文共3篇，欢迎阅读分享，希望对大家有帮助。本文原稿由网友“云克娜”提供。
篇1：电子商务关键数字优化线上部分(上)
【前言】
从事电子商务的工作一段时间，发现自己对于数据的想法有了很多变化，过去，我们拿着国外的理论，然后站在河边的岸上，对河中游泳的人们指指点点。今天，当你也跳入河中，就是全然不同的感受。一方面河水冰冷刺骨，另一方面，也开始理解为什么曾经河中的人们用各种“怪异的姿势”奋力搏击。这一篇文章，是我在杭州参加车品觉老师《智论商道，西湖秋学》活动的演讲整理，也记录了我的“河中感受”。
【正文】
这是一个很大很难但也是每一个电商人都会问的问题——我该如何优化我业务中的关键数字。
我也面临这个问题——这个有数百种，不数万种各不同相同答案的问题。优化关键业务数字，没有固定的策略，因此也就没有固定的答案，但却并非无迹可循，而是有章有法的。甚至，这些方法事实上并不需要你去从头摸索，前人早已准备了众多滋养，只需你有心跟随即可。
既如此，就让我们先看看前人给我们这些滋养是什么。
关键的第一步
优化电子商务关键数字的第一步是什么?
说来好笑，这个问题的答案是——什么电子商务的关键数字?不过这可是个很严肃的答案，当然，也是一个很严肃的问题。
分析不是为了分析而分析，没有明确目的的分析，是“无病呻吟”。分析是需要消耗资源的，而且消耗的全部是“沉没资源”——时间，你不能把分析投入到本来不需要分析的领域去。因此，电子商务关键数字优化的第一步恰恰是识别关键数字是什么。
对于电子商务关键数字的识别，是起始于“KBR”的。KBR是我在Adobe Omniture的时候被 的一个词，意思是Key Business Requirement。当然，这不过是人头马酒瓶装二锅头罢了。KBR没什么新意，不过点明了你的分析要从组织的关键业务需求开始。
但这个思想很重要，本质上，这个思维方法就是我们熟悉的“金字塔思维方法”——事情有一个根本的基点，一切最终要回到这个基点。我们在分析的时候，很多时候是被兴趣所指引，发现了麻雀去追麻雀，发现了兔子又去撵兔子，这是分析工作最初吸引新来者的很重要的原因——看起来一切都是非常新奇有趣的。可是商业分析，你不能浪费你的“沉没成本”，我们不为兴趣所指引，我们所做的一切都需要不断反问自己，是否是围绕着KBR进行的。
KBR意味着组织的“当务之急”。对于电子商务，尤其是国内的电子商务，业务上的当务之急是清晰而明确的——增加销售，降低成本。不过这不能算KBR，因为它太过于粗放，而且不够具体。但沿着这个方向，我们会发现大部分电子商务公司在增加销售和降低成本方面都根本上将聚焦于下面两个事情——量和率。
量，当然，归根结底是销售量，不过销售量显然决定于流量、注册量，以及转化率和回头率。因此，我们的思维是，要提升销售，我们需要提升流量和注册，并且提升转化和回头的机会。这和做一个线下商店的关键数字指标是类似的——人流量多少，多少人进店买了东西，又有多少人还回来，
说一点题外话。我认为国内的电子商务公司，因为它们本身所具有的“股票公司”的特性，利润率什么的，反而不是真正他们关心的。区分什么样的电子商务公司更在乎利润率的一个有趣指标是——他们是否获得了外部投资。当这些公司没有外部投资，维持在一个较小规模的时候，利润率是非常重要的;但当投资进入，扩大规模、挤死竞争对手成为主线的时候，利润率是一个可以牺牲甚至是必须牺牲的指标了。这很有趣，对消费者而言，当一家电商公司刚刚获得投资的时候，促销一定是很给力的，这时的商品值得购买。
当然，电子商务是否还有什么其他的关键数字，取决于这个公司自身的经营特点和业务特性，这里不再赘述。强调一点，我们关注方法本身，电子商务关键数字优化的第一步是真正识别你的业务的关键数字。KBR不建议是最大的那个放之四海而皆准的目标(例如Revenue)，而应该是这个大目标之下，跟你的大目标达成真正关联的那几个可以清晰定量的目标(例如电子商务中的量和率)。你值得花一些时间找到真正的KBR。
建立优化路径
现在，你通过自己的思考或是“老板的指示”知道了KBR是什么。现在你该怎么办呢?
我们都知道，任何复杂的问题都可以遵循一定的方法解决，若没有解决，是因为没有找到方法。例如哥德巴赫猜想，人们并非是在寻找答案，而是在寻找方法。同样，KBR不能优化，并非是它不能优化，而是我们可能没有找到正确的方法，或是没有去正确执行这些方法。
下面是我的方法，你当然也可以建立你自己的方法。有效果的方法就是好方法，这里没有标准答案。
上图是我总结的KBR的优化路径。这个路径看起来文字众多，步骤繁琐，实际上思想非常简单。你也可以看我下面的文字描述，可能更容易理解：
定义KBR——分解影响KBR绩效的驱动因素——确定这些驱动因素中哪些是基础驱动因素，哪些是非基础驱动因素——尝试分析基础驱动因素并着手改进——同样，尝试分析非基础驱动因素并着手改进——测试你的这些改进是否有效并固定有效的改进(优化)——优化不可能是针对所有人群和兴趣的，所以最后你要在优化的基础上进行动态处理(定制化)。
还是够复杂的，再简单点，用白话!
定义KBR——分解影响KBR的那些破事儿——哪些破事儿更具全局影响力?哪些是局部的?——想办法搞定这些破事儿——真的搞定了吗?测试看看——靠谱的办法固定下来——不能用一种办法搞定，多几个办法针对不同情况!
我觉得KBR就是被这么搞定的。只是每个破折号后面的每一步体现了水平。网站分析甚至不是一个技术活，毕竟我们没搞什么高深的数学模型，但确实需要缜密的心思，丰富的经验，敏感的嗅觉，和不断尝试的勇气。
当然，你可能还是觉得，上面的这个模型(姑且厚颜无耻点把它称为模型)，毕竟是一个非常抽象的东西，您可能还是没有太理解，什么是驱动因素?为什么有基础和非基础?测试如何做?又如何动态化定制化?一连串的问题，待我慢慢道来。
篇2：电子商务关键数字优化线上部分(中)
【前言】
先要答谢各位读者，现在一个月一篇文章已经远不如当初承诺的一星期一篇文章，但仍然有朋友苦苦等待，我很辜负你们的期待，真的很抱歉，过去，有些文章，是献给某些朋友的。今天，这篇文章也想献给一位素不相识的朋友，包括今天的每期一句，我不知道是不是这世界还会有light，还会有honesty，但因为他，我信一切会有，因为如果你真的不恐惧来这个世界这个国度，并且为这个浑浊黑暗带来一点点光亮，那么，你踏步前行的身后，便终可能全是光明。我们与你同在。
这篇文章接上回：电子商务关键数字优化线上部分(上)
【正文】
着手提升基础驱动因素
我们在前文中，把影响电子商务关键数字(KBR数字)的驱动因素区分为两类：基础驱动因素和非基础驱动因素。我们也强调了基础驱动因素的重要意义，在大干快上的时候，千万不要忽视了打牢基础。
提升基础驱动因素，看似抽象，例如我们上回中的例子——“转化率的基础驱动”——多少听起来有些拗口，但操作却是实在的，具体的。在上回中，我们把影响转化率的基础驱动归结为如下项目，这些项目(item)即是我们需要动手逐个优化的。而这些项目优化的结果好坏，当然对转化率的好坏起到至关重要的作用。
案例：如何优化KBR之转化率(3)——关键转化过程优化
现在我们开始着手一项一项提升作为KBR的转化率的基础驱动因素。这没有什么神秘的，这些都是网站分析从业者的基本功，也是网站分析这门学科必学必用的内容。如果要编一本网站分析的教材，这些必然是占有这本教材的主体部分。
例如，对于关键转化过程，这是我们大家都很熟悉的，我们找出转化过程中不佳的环节，然后检视这个环节中哪里出现了问题，然后加以改进。
左图中是这样的一个转化过程，电子商务网站上一个产品的销售过程大致是这样的过程。产品页可能本身就是登陆页，但是更多的时候，访问者看到产品页之前会先浏览其他的页面，比如活动页面、首页或是商品的列表页等等，然后，某个页面上的某个陈列着的商品引发了购买者的兴趣，于是他们才会进入这个产品的具体说明页(产品页)。
我们都知道，在进入产品页直到最后完成支付的一系列环节中，任何一个环节出现问题，就会影响最终的转化。例如下图中所展示的某种问题：
这虽然不是典型的电子商务网站，但“毛病”是一致的，在两个虚线的方框内的转化是存在明显问题的。我们通过Google Analytics的预定义转化(Goal和Step)功能，或者Omniture SiteCatalyst的转化丢失报告(Fallout)，这些问题能够很容易地被发现。知道问题在哪里，事情就多少好办一点，我们可以用数据做进一步的证明问题出现的原因，或者有时候只是猜测，然后再改进现有的毛病，并进行测试真正解决这些毛病(具体的这些步骤我们后面会详谈，这里不引申了)，
总之，这是一个很稀疏平常的方法论，我想如果有一本网站分析的教材，这应该是基本的方法论了。
不过，有时候，事情不是这么“完美”的。并不是所有的转化都有明显的毛病，如果每个环节的丢失率都比较均匀，没有明显的短板，你会怎么办?或者，换另外一种极端的情况——每个环节都存在明显的转化丢失，你应该怎么着手处理?
显然，优化是永无止境的，没有明显短板并不意味着不值得优化，而如果每个环节都存在明显的转化丢失，你肯定更会手忙脚乱。这时候，上面的方法论可能不适用了。事情总都是一步步解决的，你不可能同时对所有的环节都进行优化，因此现在有三种可供选择的方案，你会选择那种?
A. 你会先从转化的前端开始解决问题，然后逐步深入到转化的后端环节;
B. 你会先从转化的后端开始解决问题，然后往前推，解决转化前端出现的问题;
C. 你会决定——这玩意儿好不了了，破罐子破摔吧。
选项C当然是开玩笑，如果你真的在乎这个网站的话，你不会这么听之任之的。但有时候，我们确实存在恨铁不成钢的沮丧，而且确实有些网站只能回炉重造。
A和B，我们往往是按照A实践，但我会选择B。
这或许没有对错，但我更倾向于B。
原因在于，越深入到转化的后端，就越可能是“基础驱动因素”，而转化的前端，则更多时候，是“非基础驱动因素”。我同样认为，有时候，把前端解决好了，会有很直接快速的效益显现，但我还是固执地认为，后端就是更重要些。没有对错，只是我的感觉。
这个感觉来源于对问题定位和解决的难度会因为这个问题是出现在前端还是后端而不同。看看下面这个例子——我们对转化的前端和后端分别进行优化，前端我们优化登陆页二跳率，从40%升高到50%，后端我们优化支付转化率，从40%提升到50%。其他条件不变的情况下，这二者优化对整体转化提升的贡献是一样的。可是，往往我们的分析和技术团队资源是有限的，我们如何选择?
我倾向于选择优化支付转化率。有两个原因。第一个原因，很明确，支付转化率是基础驱动因素，它的好坏影响全局。而登陆页数量众多，而且登陆页是会不断发生变化的，并非是基础驱动因素。
第二个原因，是因为对前端的优化相对而言更困难。转化越靠前端，影响其转化的因素越多，越分散，解决起来越是费劲。比如，影响二跳率的因素涉及到页面的设计、call to action、用户导引、流量质量、商品吸引力等等，这些都不是很快很轻易能够解决的。当然，明显无知小白错误(例如不匹配之类)的除外。
影响整体转化率的另一个基础因素是转化结构。这一点我在几次演讲中都有提到，但没有听过我演讲的朋友可能并不熟悉。
如下面三个转化的结果图所示：
正常转化是左边的图，有泄漏点(如同我们上面讲的那个航口售票网站)是中间这个，而不正常结构的转化(最右边这个)，则是在转化过程中，很奇怪的没有按照预订的转化路径，而是发生循环，或是“四处乱窜”。通过“全路径报告”(这个报告在Google Analytics中没有，但是Omniture SiteCatalytics提供)，我们可以发现这类奇怪的转化结构。这种结构对转化效率有重大影响。下图中，第八条主要路径(Top 8路径)发生了循环，而且循环发生在购物转化过程中。
篇3：电子商务关键数字优化线上部分(下)
【前言】
在这个系列的前面两回文章中(上篇点此，中篇点此)，我们谈到了如何优化电子商务关键绩效数字的两个方面：识别关键驱动因素、着手分析和尝试提升关键驱动因素，在这个部分中，我们将向大家展示，如何通过一些特定的方法，让我们提升关键驱动因素的努力能够最终落地获得成效。
【正文】
还记得我们前文谈到的优化路径吗?在这个路径中，我们强调从定义KBR开始，然后分解影响KBR绩效的驱动因素，然后再确定这些驱动因素中哪些是基础驱动因素，哪些是非基础驱动因素，再尝试分析基础驱动因素并着手改进，同样，尝试分析非基础驱动因素并着手改进，这之后测试你的这些改进是否有效并固定有效的改进(优化)。由于优化不可能是针对所有人群和兴趣的，所以最后你要在优化的基础上进行动态处理(定制化)。
图1
今天我们来看看测试和定制化，以及它们二者是如何让我们优化的努力最终落地的。
分析不是全部
网站分析(Web Analytics)也好，数字营销分析(Digital Marketing Analytics)也罢，都在无意中为我们强调“分析”的重要性。
分析当然重要，尤其在我们所处的这个国家和如此复杂真假难辨的乱象之中，没有认真独立尊重事实的分析，我们就无从发现各种马脚得知诸多真相，就会更被某种我们不得不敬畏崇拜的力量忽悠的团团转。但对于我们想要优化的网站商业目的而言，分析却完全不是全部。
我曾经说过(十条原则助你更好使用网站分析工具，原则五)，大多数情况下，网站分析工具能够告诉你发生了什么样的情况(what)，但不能直接帮你回答发生这些情况的原因(why)。为了尽可能找到原因，我们于是用一个最基本的方法——细分，试图通过抽丝剥茧的方法还原真相。但很多情况下，我们很难确信地断言就是这样造成的，我们只是说，可能是这个原因。下面这个例子说明了这种情况：
我想要知道为什么
很多年来我一直试图了解很多奇怪现象的发生原因，但有些解决了，有些却不能如愿，我只能怀疑是由于某种可能的原因，但却完全不敢确切。
在2010年6月的某个闷热的夏天，我被一个问题困扰，这个问题是关于什么样的网站元素能够更有效的促进订单。这个网站是一个旅行类的网站，为用户提供在线酒店预定业务。这个网站有如下几种类型的页面，我的第一步工作是找到哪个页面对转化率的影响最大，
图2
这难不倒我，对于做好了Google Analytics电子商务监测以及设置了漂亮的Goals和Steps的网站而言，一个工具就能解决问题——GA的$Index，这个度量(metric)用来衡量每个页面对转化的贡献。由于每个转化都意味着赚到了一定数量的钱，因此假如一个visit产生了一个10美元的转化，而这个visit一共浏览了10个页面才产生了这个转化，那么每个页面就平均为这个转化贡献了1美元，即对这个visit而言，页面的$Index=1美元。因此，如果某个页面的$Index很高，那么这个页面就是对转化至关重要的页面。
图3
其实不用这个工具常识也能告诉我们，booking page对于转化的影响当时是毫无疑问的厉害。于是我们把主要的精力集中在booking page。
确定了某个页面对转化的影响要比其他页面更大，我们朝解决问题迈近了一步，下一步我们要做的事情是进一步发现在这个页面中哪些元素是最可能影响转化的。
我们的方法是制作booking page的点击热图，点击热图并不是完美的工具(在我最近的《挑战网站分析中的大众智慧》系列文章中将会为大家分享点击热图的一些可爱和缺陷的地方)，但可以给我们至少一个解答，那就是在这个页面中哪些区域激发了用户继续探究的兴趣。
图4
在这个点击热图报告中(左右两张图实际上是页面的上下两部分，因为原页面太长，所以我们把它切割为两张图)，我们看到了一些明显的兴趣点——“展开报价”、“图片”、“邻近酒店”还有“隐藏报价”获得了比较多的点击量。有一点令人吃惊的是，“评论”并没有获得意想中的高关注。
“评论”关注度不高的问题显然让我们疑惑，网站分析工具很好的告诉了我们“what”，但在这里无法明确地告诉我们“why”。我们可以猜测“评论”关注度不高的原因是因为它没有获得理想的位置，但现在只能是猜测，只能。(在《挑战网站分析中的大众智慧》系列文章中，我们会向大家展示，用什么样的工具和方法能够进一步验证这种猜测)
